CVR-LSE：面向无人地面车辆的局部静态环境紧凑矢量化表示
机器人学
2022-06-15 v1
摘要
根据通用静态障碍物检测的需求，本文提出一种面向无人地面车辆的局部静态环境紧凑矢量化表示方法。首先，通过融合LiDAR与IMU数据，获取高频位姿信息。然后，通过二维（2D）障碍物点生成，提出固定尺寸栅格地图维护过程。最后，通过基于双阈值的边界简化与凸多边形分割，以多个凸多边形描述局部静态环境。我们所提方法已应用于园区实际无人驾驶项目，典型场景的定性实验结果验证了有效性与鲁棒性。此外，定量评估表明，与传统基于栅格地图的方法相比，该方法以更少的点信息（减少约60%）表示局部静态环境具有更优性能。进而，运行时间性能（15ms）表明所提方法可用于实时局部静态环境感知。相应代码可在 https://github.com/ghm0819/cvr_lse 获取。
引用
@article{arxiv.2206.06635,
title = {CVR-LSE: Compact Vectorization Representation of Local Static Environments for Unmanned Ground Vehicles},
author = {Haiming Gao and Qibo Qiu and Wei Hua and Xuebo Zhang and Zhengyong Han and Shun Zhang},
journal= {arXiv preprint arXiv:2206.06635},
year = {2022}
}